恶意流量检测模型设计与实现

作     者：屠晓涵 张传浩 刘孟然 TU Xiaohan;ZHANG Chuanhao;LIU Mengran

作者机构：郑州警察学院网络安全与智慧警务学院郑州450053 北京铁路公安局天津公安处天津300100 

基　　金：中央高校基本科研业务费[2022TJJBKY002,2023TJJBKY012,2022TJJBKY009] 河南省重点研发与推广专项 河南省高等学校重点科研项目[23A520042] 

出 版 物：《信息网络安全》 (Netinfo Security)

年 卷 期：2024年第24卷第4期

页      码：520-533页

摘      要：随着网络攻击手段的日益精进和多样化,传统安全防护面临准确识别恶意流量困难的挑战。文章针对恶意流量检测中常见的无效特征众多、数据不平衡以及攻击手段复杂化等问题,开发了一种较高效的检测方法。首先,文章提出一种数据清洗和均衡化方法,能够提升流量特征数据的质量和有效性;然后,文章结合简单循环神经网络(Recurrent Neural Network,RNN)与多头注意力机制,使检测模型能够更精确处理序列数据,有效捕捉和识别各类信息及其依赖关系,大幅提升特征提取的准确度;最后,文章利用集成学习、深度学习和机器学习的优势,使检测模型能够在有限的样本上高效学习,并快速适应不同的网络特征。实验结果表明,该方法在多个公共数据集上展现了较好的检测性能。

主 题 词：恶意流量检测 RNN 特征提取 集成学习 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-1122.2024.04.003

馆 藏 号：203127706...